基于磁光傳感器檢測微間隙焊縫的圖像復(fù)原研究

題園園 馮偉

摘 要：在檢測焊縫位置過程中，由于試驗環(huán)境不穩(wěn)定，檢測過程會受到光照強(qiáng)度變化和圖像背景噪聲的影響，由磁光傳感器采集的焊縫圖像會出現(xiàn)圖像降質(zhì)現(xiàn)象，對微間隙焊縫進(jìn)行準(zhǔn)確檢測造成困難。因此，文章認(rèn)為需對焊縫磁光圖像進(jìn)行圖像復(fù)原處理，研究焊縫檢測技術(shù)圖像復(fù)原方法。

關(guān)鍵詞：磁光圖像;圖像復(fù)原;焊縫檢測

1 磁光成像焊縫檢測系統(tǒng)

國內(nèi)外學(xué)者對于焊縫檢測系統(tǒng)有諸多研究。激光焊接包括熱導(dǎo)焊和深熔焊方式。熱導(dǎo)焊難以匙孔的原因是受激光低的影響無法汽化金屬，由于溫度的波動使熔池表面張力發(fā)生改變，從而在熔池內(nèi)形成攪拌力，促使液態(tài)金屬流動;如果激光能量較大，則會出現(xiàn)匙孔，金屬材料蒸發(fā)產(chǎn)生蒸氣壓力，匙孔將漸漸接近于穩(wěn)定狀態(tài)。深熔焊的形成受激光束的影響。在激光深熔焊工件時，光束在光斑下呈現(xiàn)一小孔，焊縫是由小孔內(nèi)金屬呈液態(tài)流動形成的[1]。

用磁光傳感器檢測焊縫，可以實現(xiàn)超微間隙焊縫圖像檢測。被檢測工件存在超微間隙焊縫，那么焊縫處電渦流會發(fā)生流動，同時使此處的磁場發(fā)生一定的改變，這種改變會轉(zhuǎn)換為光強(qiáng)度的改變。因此，可以實時呈現(xiàn)焊縫磁光圖像[2-4]。

2? ? 圖像復(fù)原研究

圖像復(fù)原屬于圖像處理領(lǐng)域中關(guān)鍵技術(shù)研究。圖像復(fù)原技術(shù)涉及建立圖像復(fù)原模型、圖像復(fù)原算法以及復(fù)原后圖像的質(zhì)量評價標(biāo)準(zhǔn)。由于各種環(huán)境因素干擾，采集的圖像質(zhì)量會下降，此時需要復(fù)原圖像。建立圖像質(zhì)量下降模型，分析圖像質(zhì)量下降的原因，可以使用不同的方法。將以往的學(xué)者研究的復(fù)原方法進(jìn)行歸納總結(jié)可分為以下3種方式：一、去卷積復(fù)原方式;二、線性代數(shù)復(fù)原方式;三、圖像盲反卷積方式等。

去卷積復(fù)原方式可分為維納濾波處理并去卷積的方式、功率譜平衡方式以及幾何均值濾波處理的方式等，這三類圖像處理方式均歸屬于經(jīng)典的圖像復(fù)原方式。如果采用這三類方式對圖像進(jìn)行復(fù)原，一般采用如下步驟，首先需要獲取發(fā)生降質(zhì)前的圖像、降質(zhì)算子的先驗結(jié)構(gòu)以及噪聲的類型特征。將三種方式應(yīng)用于恒定的線性空間模型中，如果降質(zhì)算子為病態(tài)時，圖像處理后復(fù)原的圖像質(zhì)量較差。

線性復(fù)原方式是利用線性代數(shù)知識對圖像進(jìn)行處理，在已知降質(zhì)算子和噪聲類型的前提下，將復(fù)原的濾波器中相關(guān)參數(shù)的運(yùn)算方法綜合設(shè)計并解析。此種方式復(fù)原圖像時對所處環(huán)境質(zhì)量要求較高，如果收到噪聲的干擾會出現(xiàn)復(fù)原的圖像紋理不清且邊界模糊的現(xiàn)象。國內(nèi)外有很多研究學(xué)者克服了此弊端，做了改進(jìn)并加快了算法的速度。此類圖像復(fù)原方式主要有全局式最小二乘法、約束型最小二乘法及正則化約束型最小二乘法[5-6]。

盲反卷積復(fù)原方式可以用于降質(zhì)圖像先驗知識和噪聲類型未知的情況，將降質(zhì)的圖像分析處理建立模型并估計真實的圖像信號。包括以下幾類處理方式，分別為輾轉(zhuǎn)法盲卷積方式、零葉面分離方式、預(yù)判降質(zhì)函數(shù)方式、先驗知識模糊判別方式和三次相關(guān)方式等。由于很多場合無法得知圖像降質(zhì)原因和具體環(huán)境影響因素，所以此類方式最為實用，也正是由于先驗知識無法獲取，在建立圖像處理模型時得到的解會出現(xiàn)不唯一的情況。

正則化方式圖像復(fù)原是可以用于出現(xiàn)病態(tài)問題時，將圖像的平滑性作參數(shù)為模型中可判斷的條件，但此方式處理后圖像的邊緣會退化。目前，國內(nèi)外有許多研究技術(shù)使用正則化方式復(fù)原圖像并保持圖像邊緣特征，大多數(shù)方式采用非二次正則化泛函解決邊緣退化的問題[7]。Rudin等[8]提出了一種圖像復(fù)原模型-ROF模型，采用全變分法建立模型，此方式可有效提高復(fù)原圖像的質(zhì)量，利用模型分析圖像邊緣退化原因，圖像邊緣等細(xì)節(jié)特征得到有效復(fù)原，利用此方式進(jìn)行試驗處理焊縫圖像的方案和技術(shù)路線如圖1所示。

[參考文獻(xiàn)]

[1]題園園.微間隙焊縫磁光圖像恢復(fù)方法研究[D].廣州：廣東工業(yè)大學(xué)，2015.

[2]題園園，朱洪雷，馮偉，等.焊縫磁光圖像盲卷積恢復(fù)方法研究[J].科技創(chuàng)新導(dǎo)報，2017（2）：98-99.

[3]GAO X，LIU Y，YOU D.Detection of micro-weld joint by magneto-optical imaging [J].Optics & Laser Technology，2014（10）：141-151.

[4]YANG X，LI Z，XIONG R，et al.Real-time observation and measurement of a magneto-optic recorded domain using an image processing technique[J].Materials Science and Engineering，2000（1）：47-49.

[5]馬潔.一種基于線性代數(shù)的圖像處理算法研究[J].計算機(jī)科學(xué)，2012（11）：286-288.

[6]王芳.一種新的最小二乘法圖像復(fù)原算法的研究[J].包裝工程，2008（12）：151-153.

[7]苗晴.圖像復(fù)原中正則化方法的研究及應(yīng)用 [D].長沙：國防科學(xué)技術(shù)大學(xué)，2005.

[8]RUDIN L，OSHER S，F(xiàn)ATEMI E.Nonlinear total variation based noise removal algorithms[J].Physic D，1992（4）：259-268.

（編輯 王永超）